科研之友
微信
新浪微博
Facebook
分享链接
摘要
动态网络链路预测广泛的应用前景，使得其逐渐成为网络科学研究的热点.动态网络链路演化过程中具有复杂的空间相关性和时间依赖性，导致其链路预测任务极具挑战.提出一个基于时序图卷积的动态网络链路预测模型(sequence graph convolution dynamic network link prediction， SGN-DNLP).针对网络快照序列不能有效反映动态网络连续性的问题，采用边缘触发机制对原始网络权重矩阵进行修正，弥补了离散快照表示动态网络存在时序信息丢失的不足.从网络演化过程出发，综合考虑节点间的特征相似性以及历史交互信息，采用时序图卷积提取动态网络中节点特征，该方法融合了节点时空依赖关系.进一步，采用因果卷积网络捕获网络演化过程中潜在的全局时序特征，实现动态网络链路预测.真实的2个网络数据集上的实验结果表明，SGN-DNLP在precision， recall， AUC指标上优于对比的基线模型.
- 单位
